论文部分内容阅读
雷达目标关联是目标跟踪中关键的一个环节。传统的目标关联方法一般是基于位置信息进行的,忽略了目标回波的其他特征。但当观测目标较多、目标间距离较近时,只使用位置信息关联很可能会造成误跟踪的现象,所以需要提取目标其他特征作为位置目标关联方法的辅助判断依据。另外,雷达模拟器中的目标大多为形状固定的图形,为模拟其形状、大小的真实变化,也需要提供更多的特征依据。随着船用雷达系统的高速发展,雷达的分辨率得到显著提高,目标在雷达回波图像上现表现为具有一定像素大小的目标图像,这就为从雷达回波中提取更多特征提供了可能。本文在上述背景下,分析船用雷达目标回波图像的轮廓特征,并提出基于轮廓特征的目标关联算法和目标回波模拟算法,主要内容包括:(1)雷达目标图像提取。采用区域增长法将目标图像从已采集的雷达图像中提取出来,并给出了提取相同目标连续图像的方法。该方法能够在选定目标后,自动提取连续雷达扫描周期内的目标图像,并对大小、位置变化的目标具有一定的适应性。(2)分析目标图像的边缘特征。采用Radon变化将方向不同的目标对准至同一方向。分析相同目标随时间变化程度以及不同目标差异程度。通过对多个目标的回波图像研究发现,在较短的扫描时间内,相同目标变化程度小于不同目标差异程度,且相同目标随时间的变化主要体现在边缘,不同目标的差异也体现在边缘。说明从雷达目标图像中能够提取区分不同目标的特征,且该特征主要表现为边缘特征。这一结果为目标关联、目标模拟的研究提供依据。(3)基于轮廓特征的目标关联。由于体现目标差异的特征主要分布在目标边缘上,因此提出基于先验轮廓特征的目标关联算法。该算法使用DTW距离度量两个轮廓的相似性。由于目标的不稳定性,提出了基于多个先验轮廓的平均轮廓的目标关联算法。该算法计算了位于多个轮廓中间位置的轮廓,并将此轮廓用于目标关联,提高了目标关联的准确性。(4)基于轮廓特征的目标回波模拟。本文分别对目标图像轮廓、面积、起伏建模,模拟目标图像的形状、大小、幅度变化。并将模拟目标图像转化成极坐标系下的目标回波波形。首先在对目标边缘特征分析的基础上,采用DTW算法计算目标轮廓对应关系。根据对应关系分析目标轮廓随时间的变化规律,并提出基于轮廓特征的目标模拟算法,模拟目标轮廓的实际变化。针对目标突然变小的极端情况,分析目标回波图像面积概率分布,在轮廓模拟结果的基础上提出基于面积的目标尺寸修正算法,使得目标图像大小变化更符合实际情况。最后,对目标幅度采用斯威林模型进行模拟。模拟目标图像能够转化成极坐标下的回波波形,可以作为信号源应用于教学演示、算法研究等。本文对于20个不同目标分别提取了 300帧图像进行分析实验。基于轮廓的雷达目标关联算法实验表明,在两个观测目标面积,形状复杂度极为相似的情况下,采用轮廓特征进行目标关联的方法具有明显优势。对于本文提取的雷达目标,不同目标的平均准确率在95%左右,且越稳定的目标,准确率越高。在已经对轮廓、面积、起伏建模的基础上,利用本文提出的目标模拟算法,只需输入一个真实目标轮廓作为参数,就能够产生无数扫描周期的目标回波信号。对于模拟的目标图像效果,实验表明,模拟的目标轮廓变化量、面积、周长概率分布都分别与真实情况的分布较为一致。